执行摘要

• 一句话：将GB200夜间测试日志导出到S3存储
• 推荐动作：本PR属于基础设施增强，逻辑清晰，风险较低。值得关注的是其路径设计模式，可复用于其他CI日志导出场景。建议合并。

功能与动机

目前查看GB200夜间运行日志的唯一方式是直接访问集群，这给开发者排查失败问题带来了障碍。本PR将完整的/logs目录（包括prefill/decode/frontend worker输出文件、benchmark-rollup.json等）上传到S3兼容后端，方便开发者通过mc cp或MinIO Web控制台访问。

实现拆解

1. 修改scripts/ci/slurm/launch_gb200.sh：在生成的srtslurm.yaml中添加reporting.s3块，包含bucket、prefix和endpoint_url。prefix由${TRIGGER}/${GITHUB_RUN_ID}-${GITHUB_RUN_ATTEMPT}/${SEQ_LEN}/${MATRIX_CONFIG_NAME}组成。同时添加了环境变量验证，确保S3相关变量已设置。
2. 修改.github/workflows/nightly-72-gpu-gb200.yml：在nightly-gb200-benchmark job中添加4个环境变量（AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY、S3_BUCKET、S3_ENDPOINT_URL），从仓库secrets中获取。同时添加MATRIX_CONFIG_NAME变量。
3. 添加上传AI分析结果步骤：在工作流中新增一个步骤，当job失败时将ai_analysis.md文件上传到S3，路径与日志前缀一致，便于关联分析。

关键文件：

• scripts/ci/slurm/launch_gb200.sh（模块 CI脚本；类别 infra；类型 infrastructure）: 核心变更：添加S3配置块和环境变量验证，定义日志路径前缀逻辑
• .github/workflows/nightly-72-gpu-gb200.yml（模块 CI工作流；类别 infra；类型 infrastructure）: 工作流配置：添加S3环境变量和AI分析上传步骤

关键符号：fmt_seq_len

关键源码片段

scripts/ci/slurm/launch_gb200.sh

核心变更：添加S3配置块和环境变量验证，定义日志路径前缀逻辑

# 验证环境变量是否设置，若未设置则报错退出
: "${S3_BUCKET:?S3_BUCKET must be set}"
: "${S3_ENDPOINT_URL:?S3_ENDPOINT_URL must be set}"
: "${AWS_ACCESS_KEY_ID:?AWS_ACCESS_KEY_ID must be set}"
: "${AWS_SECRET_ACCESS_KEY:?AWS_SECRET_ACCESS_KEY must be set}"
: "${MATRIX_CONFIG_NAME:?MATRIX_CONFIG_NAME must be set}"
: "${GITHUB_RUN_ID:?GITHUB_RUN_ID must be set}"
: "${GITHUB_RUN_ATTEMPT:?GITHUB_RUN_ATTEMPT must be set}"
​
# 根据触发事件类型确定前缀顶级目录：cron 或 manual
case "${GITHUB_EVENT_NAME:-}" in
  schedule) TRIGGER=cron ;;
  workflow_dispatch) TRIGGER=manual ;;
  *) TRIGGER="${GITHUB_EVENT_NAME:-unknown}" ;;
esac
​
# 将 ISL/OSL 转换为 k 单位（如 1k1k），便于按序列长度分组
fmt_seq_len() {
  local n=$1
  if (( n % 1024 == 0 )); then echo "$((n / 1024))k"; else echo "$n"; fi
}
SEQ_LEN="$(fmt_seq_len "$ISL")$(fmt_seq_len "$OSL")"
S3_PREFIX="${TRIGGER}/${GITHUB_RUN_ID}-${GITHUB_RUN_ATTEMPT}/${SEQ_LEN}/${MATRIX_CONFIG_NAME}"
​
# 在 srtslurm.yaml 中添加 reporting.s3 配置，srt-slurm 会在 prefix 后追加日期 /Slurm 任务 ID
cat > srtslurm.yaml <<EOF
reporting:
  s3:
    bucket: "${S3_BUCKET}"
    prefix: "${S3_PREFIX}"
    endpoint_url: "${S3_ENDPOINT_URL}"
EOF

.github/workflows/nightly-72-gpu-gb200.yml

工作流配置：添加S3环境变量和AI分析上传步骤

# 在 job 的 env 中传递 S3 凭据，这些值来自 repo secrets
env:
  MATRIX_CONFIG_NAME: ${{ matrix.config.name }}
  AWS_ACCESS_KEY_ID: ${{ secrets.NV_S3_ACCESS_KEY_ID }}
  AWS_SECRET_ACCESS_KEY: ${{ secrets.NV_S3_SECRET_ACCESS_KEY }}
  S3_BUCKET: ${{ secrets.NV_S3_BUCKET }}
  S3_ENDPOINT_URL: ${{ secrets.NV_S3_ENDPOINT_URL }}
​
# 新增步骤：当 job 失败时，将 AI 分析结果上传到 S3
- name: Upload AI analysis to S3
  if: failure()
  continue-on-error: true
  env:
    ISL: ${{ matrix.config.isl }}
    OSL: ${{ matrix.config.osl }}
  run: |
    ANALYSIS="${{ github.workspace }}/ai_analysis.md"
    [ -f "$ANALYSIS" ] || { echo "no ai_analysis.md, skipping"; exit 0; }
    case "${{ github.event_name }}" in
      schedule) TRIGGER=cron ;;
      workflow_dispatch) TRIGGER=manual ;;
      *) TRIGGER="${{ github.event_name }}" ;;
    esac
    fmt() { if [ $(( $1 % 1024 )) -eq 0 ]; then echo "$(( $1 / 1024 ))k"; else echo "$1"; fi; }
    SEQ_LEN="$(fmt "$ISL")$(fmt "$OSL")"
    KEY="${TRIGGER}/${{ github.run_id }}-${{ github.run_attempt }}/${SEQ_LEN}/${{ matrix.config.name }}/ai_analysis.md"
    aws --endpoint-url "$S3_ENDPOINT_URL" s3 cp "$ANALYSIS" "s3://${S3_BUCKET}/${KEY}"

评论区精华

本PR仅有一条来自gemini-code-assist bot的评论，提示每日配额已达上限，未产生其他评审讨论。

• 暂无高价值评论线程

风险与影响

• 风险：

  1. 凭据泄露风险：AWS凭据通过环境变量传递，未写入磁盘，但若CI日志泄露可能暴露凭据。建议确保secrets的访问权限受控。
  2. S3端点可用性：依赖MinIO实例的稳定性，若端点不可用会导致上传失败（已设置continue-on-error: true，不会阻塞主流程）。
  3. 路径冲突：多个运行可能产生相同前缀，可能导致覆盖。但prefix包含run_id-attempt和日期，冲突概率较低。
     - 影响：用户：开发者可通过S3访问日志，无需直接登录集群，降低排查故障的门槛。
     系统：新增S3上传步骤，使用continue-on-error: true，不会影响核心测试流程。
     团队：需要维护MinIO实例和S3凭据，但无需变更现有工作流。

• 风险标记：凭据通过环境变量传递, 依赖外部S3端点

关联脉络

• 暂无明显关联 PR